Regression models for the front grinding process on Grey Cast Iron block-engine

Abstract

espanolEl presente documento describe la obtencion de distintos modelos de regresion para la rugosidad superficial y parametro de desgaste en muelas abrasivas Alumina (Al2O3) y carburo de silicio (CSi) bajo la influencia de parametros de corte en el proceso de rectificado frontal. La metodologia utilizada en el presente estudio se basa en el uso de un diseno experimental (DOE) utilizando dos variables de entrada (factores) velocidad de avance y profundidad de corte a tres niveles y una variable categorica herramienta a dos niveles. Los metodos utilizados para la obtencion de modelos fueron una regresion lineal, regresion lineal multiple y regresion logistica. Los hallazgos muestran que el tipo de herramienta y la velocidad de avance, tienen mayor correlacion con la calidad superficial y el desgaste respectivamente. Todos los modelos establecen la incidencia significativa de estos factores sobre las variables de respuesta con un nivel de confianza del 95%. Los resultados finales del ensayo muestran que con el uso de una herramienta de carburo se puede obtener una mejor calidad superficial con el menor parametro de desgaste. Finalmente, un ensayo SEM permitio evidenciar la mejor topografia superficial obtenida con la herramienta de carburo en comparacion con la herramienta de alumina. EnglishThis document describes the obtaining of different regression models for the surface roughness and wear parameter in abrasive wheels Alumina (Al2O3) and silicon carbide (CSi) under the influence of cutting parameters in the frontal grinding process. The methodology used in the present study is based on the use of an experimental design (DOE) using two input variables (factors) feed rate and cut depth at three levels and a categorical variable tool at two levels. The methods used to obtain models were linear regression, multiple linear regression and logistic regression. The findings show that the type of tool and the speed of advance, have greater correlation with surface quality and wear respectively. All the models establish a significant incidence of these factors on the response variables with a confidence level of 95%. The results of the test show that with the use of a carbide tool, a better surface quality can be obtained with the lowest wear parameter. Finally, an SEM test showed the best surface topography obtained with the carbide tool compared to the alumina tool.